高分辨率遥感影像智能解译PDF电子书下载

第1章 绪论 1

1.1 高分辨率卫星遥感影像数据获取进展 1

1.1.1 高空间分辨率光学卫星遥感影像获取 1

1.1.2 高光谱分辨率卫星遥感影像获取 4

1.1.3 高分辨率星载SAR遥感影像获取 5

1.2 高分辨率遥感影像智能解译研究概述 7

1.2.1 遥感影像解译理论与方法研究进展 7

1.2.2 高分辨率遥感影像智能解译的发展趋势 9

1.3 高分辨率遥感影像智能解译的难点与挑战 10

1.3.1 精细描述高分辨率遥感影像内容面临的挑战 11

1.3.2 高分辨率遥感影像解译面临的挑战 13

本章小结 15

主要参考文献 15

第2章 高分辨率遥感影像解译基础 18

2.1 高分辨率遥感影像智能解译机理 18

2.1.1 遥感影像目视解译原理 18

2.1.2 视觉信息处理机制 19

2.2 高分辨率遥感影像数据——信息转化的理论与方法 21

2.2.1 综合视觉与非视觉特性的对地观测数据——信息转化 21

2.2.2 影像及影像对象层 24

2.2.3 影像对象描述层 24

2.2.4 影像对象解译层 25

2.3 影像对象与地理实体 26

2.3.1 从像素、影像块到影像对象 26

2.3.2 目标的检测与智能定位 28

2.3.3 地球空间对象的提取及面临的问题 29

2.4 影像对象的特征提取与内容描述 30

2.4.1 影像对象特征提取与描述方法 30

2.4.2 影像块及其视觉单词的描述与表达 31

2.4.3 生物视觉启发的影像特征提取与描述 33

2.4.4 影像对象的特征提取与内容描述面临的问题 36

2.5 遥感影像的智能解译 36

2.5.1 影像对象的识别与分类 37

2.5.2 影像的相似性检索 38

2.5.3 影像目标的检测与识别 38

2.5.4 遥感影像智能理解面临的几个问题 39

本章小结 42

主要参考文献 43

第3章 面向对象的影像分析基础 47

3.1 高分辨率遥感影像阴影检测技术研究现状 47

3.1.1 阴影形成的物理机制 47

3.1.2 主要阴影检测技术概述 48

3.2 高分辨率遥感影像的阴影检测 50

3.2.1 遥感影像的阴影特征分析 50

3.2.2 基于MFI的阴影检测 56

3.2.3 基于SAFS的阴影检测 60

3.2.4 实验分析与评价 67

3.3 影像分割技术及其发展 83

3.3.1 影像分割的概念 83

3.3.2 影像分割技术的发展现状 84

3.3.3 影像分割在遥感中的应用 85

3.4 基于边缘信息的邻域FCM聚类分割方法 88

3.4.1 EFLICM聚类方法 88

3.4.2 边缘信息的获取 90

3.4.3 邻域模板权重 93

3.4.4 加权空间邻域聚类算法 94

3.4.5 实验分析与讨论 95

3.5 综合纹理、形状和光谱信息的遥感影像分割 108

3.5.1 基于图模型的影像分割框架 109

3.5.2 纹理、形状和光谱信息的距离模型 111

3.5.3 基于距离模型的影像分割算法 116

3.5.4 实验结果与分析 118

3.5.5 定量评价 120

3.6 分割精度评价与影像对象的尺度选择 123

3.6.1 基于对象的精度评价方法 124

3.6.2 对象的尺度选择与融合 126

本章小结 130

主要参考文献 131

第4章 影像对象特征提取技术 135

4.1 高分辨率遥感影像特征提取、选择与降维 135

4.1.1 低层次特征提取研究现状 135

4.1.2 特征选择研究现状 138

4.1.3 流形学习与降维概述 140

4.2 中等复杂度的图像块特征提取及分析 141

4.2.1 图像“块特征”的信息度量 142

4.2.2 中等复杂度的图像“块特征”提取 144

4.2.3 层次“块特征”的提取 145

4.3 高分辨率遥感影像纹理的稀疏表示与分析 146

4.3.1 稀疏表示的数学基础 147

4.3.2 一种经典的稀疏表示算法——K-SVD 148

4.3.3 基于过完备字典和重构误差的遥感影像分类 150

4.3.4 高维影像纹理矩阵的低秩矩阵估计 153

4.4 影像对象的慢特征分析 157

4.4.1 慢特征分析原理 157

4.4.2 慢特征分析的数学基础 157

4.4.3 慢特征提取算法 159

4.4.4 遥感影像对象的慢特征分析 160

4.5 共享特征及其提取 164

4.5.1 共享特征概念 164

4.5.2 基于AdaBoost的共享特征提取 165

4.5.3 基于特征映射的共享特征提取 168

4.6 影像对象特征选择 171

4.6.1 局部加权判别投影特征选择 172

4.6.2 非对称局部判别的特征选择 179

4.6.3 局部加权判别投影特征选择实验分析与评价 181

4.6.4 非对称局部判别的特征选择实验分析与评价 188

4.7 层次流形学习与降维 194

4.7.1 层次流形思想 194

4.7.2 层次流形基本框架 197

4.7.3 监督的层次流形学习 200

4.7.4 层次邻接矩阵 201

4.7.5 最优非线性映射 203

4.8 层次流形学习分析与评价 205

4.8.1 监督流形学习面临的问题 205

4.8.2 样本外点学习 205

4.8.3 监督的层次流形学习算法 207

4.8.4 实验数据集及其设置 208

4.8.5 层次流形学习的参数分析与评价 211

4.8.6 影响层次流形监督分类的参数 214

4.8.7 对比实验分析与评价 217

本章小结 221

主要参考文献 223

第5章 影像对象词包表示与主题模型 228

5.1 从文本单词到视觉单词的发展 228

5.1.1 影像语义信息提取研究进展 228

5.1.2 文本信息处理与文本单词模型 229

5.1.3 影像视觉单词研究现状与进展 229

5.2 基于词包模型的遥感影像对象表达 231

5.2.1 图像块提取 232

5.2.2 图像块特征提取 233

5.2.3 视觉单词构造 234

5.2.4 视觉单词的直方图表示 234

5.2.5 基于视觉单词的遥感影像分类 234

5.3 多尺度视觉单词 238

5.3.1 视觉单词的空间与尺度关系 238

5.3.2 多尺度视觉单词的构造 241

5.3.3 实验分析与评价 242

5.4 BOW模型的歧义性分析 246

5.4.1 歧义性来源 247

5.4.2 视觉单词的歧义性 247

5.4.3 图像块量化的歧义性 249

5.4.4 稳健的遥感影像视觉单词构造方法 250

5.4.5 有监督的视觉单词及其遥感影像分类 253

5.5 主题模型及其基础 256

5.5.1 主题模型概述 256

5.5.2 相关的基本概念 257

5.5.3 模型求解 258

5.5.4 多条件学习 261

5.6 三种不同类型的主题模型 262

5.6.1 无监督主题模型 262

5.6.2 监督主题模型 268

5.6.3 半监督主题模型 269

5.7 遥感影像层次性主题发现分析与评价 275

5.7.1 基于多尺度视觉单词的主题层次性 275

5.7.2 实验分析与讨论 276

5.8 半监督主题模型分析与评价 280

5.8.1 实验数据 280

5.8.2 模型设置 281

5.8.3 半监督分类结果 282

5.8.4 参数评价 284

5.8.5 计算复杂度分析 285

本章小结 286

主要参考文献 286

第6章 遥感影像的相似性及其检索 290

6.1 概述 290

6.1.1 相似性度量 290

6.1.2 基于空间/光谱特征的遥感影像检索 291

6.2 心理学相似性及其度量模型 292

6.2.1 相似性与认知 292

6.2.2 相似性量度公理 294

6.2.3 几何相似性 294

6.2.4 匹配相似性 297

6.2.5 变换相似性 298

6.2.6 特征相似性 298

6.3 心理学相似性度量分析及其相似性检索 302

6.3.1 心理学相似性度量分析 302

6.3.2 相似性检索及其问题 305

6.4 图像特征比率模型及其相似性检索 306

6.4.1 诊断性模糊特征对比模型 307

6.4.2 弱语义及其嵌入方法 309

6.4.3 图像特征比率模型的特点 310

6.4.4 实验与分析 311

6.5 基于光谱特征对比相似性模型的相似性检索 314

6.5.1 核PCA去除波段间的强相关性 315

6.5.2 光谱的集合表示 316

6.5.3 光谱相似性度量模型 317

6.5.4 实验分析 317

本章小结 318

主要参考文献 319

第7章 遥感影像目标检测与识别技术 322

7.1 概述 322

7.1.1 图像目标检测与识别技术 322

7.1.2 遥感影像目标检测与识别技术 323

7.2 视觉选择注意机制及其计算模型 325

7.2.1 视觉选择注意的生物学机制 325

7.2.2 视觉选择注意的特性 326

7.2.3 视觉选择注意计算模型的研究现状 328

7.2.4 经典的自底向上的视觉注意计算模型 330

7.3 变换域中的影像显著性分析 333

7.3.1 基于离散余弦变换相位谱的方向显著性模型 334

7.3.2 基于小波变换的方向特征显著性模型 338

7.3.3 基于小波低通金字塔的颜色显著性模型 349

7.4 基于自顶向下视觉注意机制的目标检测与识别 351

7.4.1 基于全局特征线索的显著性 352

7.4.2 基于局部特征线索的显著性 358

7.4.3 基于上下文线索的显著性 362

7.4.4 多线索引导的目标检测与识别 368

7.5 旋转不变霍夫森林与遥感影像目标检测 373

7.5.1 随机森林及其变种 375

7.5.2 旋转不变霍夫森林方法 377

7.5.3 颜色不变梯度及其随机森林判识能力增强 380

7.5.4 基于CRIHF的遥感地物目标检测方法 383

7.5.5 机场目标检测实验分析与评价 384

7.5.6 住宅目标检测实验分析与评价 389

本章小结 392

主要参考文献 393

第8章 高空间分辨率遥感影像分类 399

8.1 概述 399

8.1.1 遥感影像分类方法研究现状 399

8.1.2 高空间分辨率遥感影像分类研究现状 400

8.2 基于特征分类器的模式分类 403

8.2.1 图像分类存在的问题 403

8.2.2 特征分类器原理 405

8.2.3 典型特征分类器 407

8.3 可调节的？-局部特征线分类方法 411

8.3.1 最近邻特征线算法的缺点 412

8.3.2 特征线的几个基本概念 413

8.3.3 局部约束线的分类与泛化分析 415

8.3.4 实验与结果分析 416

8.4 基于压缩凸包的遥感影像分类 419

8.4.1 引言 419

8.4.2 压缩凸包的几个基本概念 421

8.4.3 最近邻压缩凸包分类方法 425

8.4.4 局部压缩凸包分类方法 435

8.5 基于局部软性仿射包的遥感影像分类 441

8.5.1 软性仿射包的几个基本概念 442

8.5.2 局部软性仿射包 447

8.5.3 遥感影像分类实验 449

8.5.4 LSAH与其他特征分类器的对比实验 453

8.5.5 特征流形与特征分类的关系 455

8.6 基于条件纹元森林的遥感影像分类 456

8.6.1 马尔可夫随机场 457

8.6.2 纹元森林 459

8.6.3 条件纹元森林 460

8.6.4 实验与分析讨论 463

8.7 基于拓扑权重的面向对象分类精度评价 468

8.7.1 综合像素级和对象级的精度评价方法 469

8.7.2 面向对象分类精度评价实验 472

本章小结 476

主要参考文献 477

第9章 高空间分辨率遥感影像智能解译系统 484

9.1 “译陆”系统概述 484

9.1.1 主要特色 484

9.1.2 主要应用领域 486

9.2 “译陆”系统（ELU V2.0）的主要功能 486

9.2.1 遥感影像预处理功能模块 486

9.2.2 遥感影像多尺度地块边界精确分割及提取功能模块 486

9.2.3 多种特征提取与定量分析功能模块 487

9.2.4 多种地块分类与分析功能模块 489

9.2.5 地块边界精确提取与人机交互编辑功能模块 489

9.2.6 分类后遥感影像变化图斑快速检测功能模块 489

9.2.7 多种格式的输入和输出、统计与自动评估功能模块 490

9.2.8 分割与分类工程的保存和打开功能模块 490

9.2.9 地块地类遥感影像样本库管理模块 490

9.2.10 灵活、方便的可视化和操作功能 491

9.3 实例分析与应用 491

9.3.1 土地利用分类标准 491

9.3.2 面向土地利用高分辨率遥感影像分类应用 492

9.3.3 基于影像图和调查成果数据库的变化监测应用 497

9.3.4 实例应用示范总结 500

本章小结 500

主要参考文献 500